Jakość sprawozdań finansowych i struktura zapadalności długu a efektywność inwestycji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie

Jakość sprawozdań finansowych

i struktura zapadalności długu

a efektywność inwestycji spółek

notowanych na giełdzie Papierów wartościowych

w Warszawie

Marcin Piasecki

Streszczenie: Celem artykułu było zbadanie, czy istnieje zależność pomiędzy jakością sprawozdań finan-sowych, strukturą zapadalności długu oraz efektywnością inwestycji spółek notowanych na GPW w War-szawie. W ramach badania została przeprowadzona analiza regresji, obejmująca 167 spółek notowanych na GPW w Warszawie z uwzględnieniem danych finansowych z lat 2007–2014. Otrzymane wyniki wskazują na istnienie zależności pomiędzy jakością sprawozdań finansowych, strukturą zapadalności długu oraz efek-tywnością inwestycji realizowanych przez spółki publiczne.

słowa kluczowe: efektywność inwestycji; struktura zapadalności długu; jakość sprawozdań finansowych

wprowadzenie

Realizacja efektywnych projektów inwestycyjnych jest podstawą rozwoju każdego przed-siębiorstwa. W związku z istnieniem asymetrii informacji na rynku następuje nieefektywna alokacja zasobów, ponieważ mechanizm rynkowy nie zapewnia ich optymalnego rozmiesz-czenia. W literaturze przedmiotu zwraca się uwagę na dwie główne konsekwencje wystę-powania asymetrii informacji (Acocella 2002): negatywną selekcję (adverse selection) oraz pokusę nadużycia (moral hazard). Dotychczasowe badania wskazują, że przedsiębiorstwa mogą redukować negatywne skutki asymetrii informacji poprzez zwiększanie jakości spra-wozdań finansowych (Biddle i in. 2009; Chen i in. 2011; McNichols, Stubben 2008) lub poprzez odpowiednie kształtowanie struktury kapitału (Ortiz-Molina, Penas 2008).

W ramach niniejszego artykułu jakość sprawozdań finansowych jest rozpatrywana poprzez pryzmat kształtowania wyników finansowych przez menedżerów (earning

ma-nagement), które stanowią coraz częstszy przedmiot badań literaturowych (Wójtowicz

2010). Badania prowadzone na rynku amerykańskim wykazują, że kształtowanie wyników

* _{mgr Marcin Piasecki, Uniwersytet Ekonomiczny w Poznaniu, Katedra Finansów Przedsiębiorstw, e-mail: marcin.}

finansowych powiązane jest z decyzjami inwestycyjnymi spółek. Jednym z głównych po-wodów kształtowania wyników finansowych, wskazywanym w literaturze, jest dążenie menedżerów do pozyskania zewnętrznego finansowania po niskim koszcie w celu sfinan-sowania inwestycji (Dechow i in. 1996). Menedżerowie chcący realizować wartościowe projekty inwestycyjne, a jednocześnie mający ograniczony dostęp do finansowania ze-wnętrznego, wykazują większą skłonność do kształtowania wyników finansowych. Zwięk-sza to asymetrię informacji pomiędzy spółką a dostarczycielami zewnętrznego kapitału (McNichols, Stubben 2008). Badania przeprowadzone przez Biddle i in. (2009) i Chen i in. (2011) wykazały, że menedżerowie spółek, w których występują mniejsze problemy wyni-kające z niedoinwestowania lub przeinwestowania, w niewielkim stopniu kształtują wyniki finansowe. Jednocześnie Linck i in. (2013) wykazali w swoich badaniach, że menedżerowie przedsiębiorstw posiadających ograniczony dostęp do kapitału zewnętrznego podejmują ce-lowe działania w zakresie kształtowania wyników finansowych. Działania te pozwalają na wysłanie pozytywnego sygnału dla rynku, umożliwiającego spółce łatwiejsze pozyskanie kapitału na realizację inwestycji.

Poprawa jakości sprawozdań finansowych nie jest jedynym sposobem na niwelowanie negatywnych skutków asymetrii informacji. Dotychczasowe badania wskazują na istnie-nie zależności pomiędzy poziomem asymetrii informacji i zagrożeniami jej negatywnych następstw a ukształtowaniem struktury zapadalności długu w przedsiębiorstwie. Istnienie wspomnianej zależności najczęściej łączone jest z teorią agencji. Zgodnie z tą teorią właści-ciele przedsiębiorstw wrażliwych na wystąpienie kosztów agencji długu mogą podejmować decyzje nieoptymalne z punktu widzenia interesów wszystkich dostarczycieli kapitału, pro-wadzące do substytucji aktywów i związanego z nią transferu wartości od wierzycieli do właścicieli (Jensen, Mackling 1976). W związku z powyższym wierzyciele będą dążyć do ograniczania tego typu działań poprzez odpowiednie dostosowanie struktury zapadalno-ści zadłużenia. Barnea i in. (1980) wykazali, że występowanie w strukturze finansowania długu krótkoterminowego prowadzi do ograniczenia kosztów agencji długu poprzez zwięk-szenie możliwości kontroli i negocjacji pomiędzy interesariuszami. W latach 1998–2007 zdecydowanie większe znaczenie w strukturze źródeł finansowania obcego polskich przed-siębiorstw odgrywały zobowiązania krótkoterminowe (Zawadzka 2009). Natomiast bada-nia na rynku polskim przeprowadzone przez Kubiaka (2013) wskazują, że przedsiębiorstwa o wyższym poziomie asymetrii informacji cechowały się wyższym wykorzystaniem długu krótkoterminowego. Jeśli chodzi o efektywności inwestycji, struktura zapadalności długu może być wykorzystywana do niwelowania problemów niedoinwestowania oraz przeinwe-stowania. Jak wskazuje Myers (1977) obligatariusze są w stanie efektywniej monitorować przedsiębiorstwo, które finansuje swoją działalność kapitałem obcym krótkoterminowym, co może przełożyć się na większą efektywność realizowanych inwestycji.

W oparciu o przeprowadzone studia literatury zbadano zależność pomiędzy jakością sprawozdań finansowych, strukturą zapadalności długu oraz efektywnością inwestycji przedsiębiorstw na rynku polskim. Podstawowym celem niniejszego opracowania jest

określenie, czy, a jeśli tak to w jaki sposób, jakość sprawozdań finansowych oraz zapadal-ność długu wpływa na efektywzapadal-ność inwestycji. Na potrzeby niniejszego artykułu sformu-łowano dwie hipotezy główne:

H1: Przedsiębiorstwa, które cechują się wyższą jakością sprawozdań finansowych, re-alizują bardziej efektywne projekty inwestycyjne.

H2: Przedsiębiorstwa o wyższym udziale kapitału obcego krótkoterminowego w kapi-tałach obcych ogółem, realizują bardziej efektywne projekty inwestycyjne. W celu weryfikacji przyjętych hipotez głównych zbudowano modele regresji liniowej oraz modele regresji panelowej, w których za zmienną objaśnianą przyjęto efektywność inwestycji. Zgodnie z podejściem Biddle i in. (2009) efektywność inwestycji rozpatrywana jest w kontekście odchylenia wartości wydatków inwestycyjnych od wielkości spodziewa-nych wydatków inwestycyjspodziewa-nych. W celu oszacowania spodziewanego poziomu wydatków inwestycyjnych dla spółki w danym roku zbudowano model regresji bazujący na wzroście sprzedaży spółek przynależnych do danego sektora. Efektywność inwestycji jest mierzona jako odchylenie pomiędzy faktycznymi wydatkami inwestycyjnymi danej spółki a spodzie-wanymi wydatkami inwestycyjnymi wynikającymi z modelu (Biddle i in. 2009).

W celu skwantyfikowania jakości sprawozdań finansowych posłużono się miernikiem wartości uznaniowych rozliczeń międzyokresowych (discretionary accruals). W ramach przeprowadzanego badania do szacowania wielkości uznaniowych rozliczeń międzyokre-sowych wykorzystano zmodyfikowany model Jones (Dechow i in. 1995).

Artykuł podzielono na dwie części. W pierwszej części dokonano charakterystyki pró-by, zmiennych oraz metod badawczych użytych w celu zweryfikowania postawionych hi-potez. Natomiast w drugiej części zaprezentowano wyniki przeprowadzonych badań empi-rycznych.

1. Źródła danych i metody badawcze

Próba badawcza obejmowała spółki notowane na Giełdzie Papierów Wartościowych w War-szawie, które posiadały główną siedzibę na terenie Polski, spełniające warunek polegający na tym, że ich sprawozdania finansowe były dostępne w bazie Notoria Serwis lub Ama-deus. Z tak określonej próby wyłączono spółki, których główna działalność kwalifikowana była do sektora finansów, ze względu na ich odmienną sprawozdawczość finansową, struk-turę i politykę w zakresie inwestycji. Badaniem objęto lata 2007–2014.

Biorąc pod uwagę sposób szacowania wartości zmiennej mierzącą jakość sprawozdania finansowego (FRQ_DA), analizą objęto spółki należące do sektorów, w ramach których w ostatnim roku okresu objętego badaniem, możliwe było wyróżnienie co najmniej 10 spó-łek (tj. minimum 9 innych spóspó-łek poza spółką uwzględnianą w badaniu). Podziału sektoro-wego dokonano według numeracji wynikającej ze Statystycznej Klasyfikacji Działalności Gospodarczej we Wspólnocie Europejskiej (NACE Rev. 2). W związku z powyższym fak-tyczna próba objęła łącznie 167 spółek.

W celu weryfikacji przyjętych hipotez wykorzystano model regresji liniowej szacowany przy wykorzystaniu klasycznej metody najmniejszych kwadratów oraz model regresji pane-lowej z efektami stałymi, zbudowany w oparciu o badania przeprowadzone przez Gomariz i Ballesta (2014). Model ten przedstawia się następująco:

, 0 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 , 11 , 12 , , _ i t i t i t i t i t i t i t i t i t i t i t ATAi t i t i t

InvEff FRQ DA STDebt LnSales Tang

LnAge StdCFO StdSales QTobin Z

Loss CFO Opercycle

= β + β + β + β + β +

+β + β + β + β + β +

+β + β + β + ε

(1) gdzie: InvEff to efektywność inwestycji spółki w danych roku; FRQ_DA to zmienna obra-zująca jakość sprawozdania finansowego spółki w danym roku; STDebt to udział kapitału obcego krótkoterminowego w kapitałach obcych ogółem spółki w danym roku; LnSales to logarytm naturalny przychodów ze sprzedaży w danym roku; Tang to udział rzeczowych aktywów trwałych w aktywach całkowitych na początek danego okresu; StdCFO to od-chylenie standardowe przepływów operacyjnych w ciągu trzech ostatnich lat, StdSales to odchylenie standardowe przychodów ze sprzedaży w ciągu trzech ostatnich lat; QTobin to wskaźnik Q-Tobina1_{; Z to wskaźnik Altmana}2_{; Loss to zmienna binarna przyjmująca} war-tość 1 kiedy spółka osiągnęła ujemny wynik finansowy w danym roku; CFO_ATA to relacja operacyjnego przepływu pieniężnego spółki w danym roku w stosunku do średniej warto-ści jej aktywów z początku i końca okresu; Opercycle to cykl operacyjny spółki w danym roku3_{; LnAge to logarytm naturalny liczby lat od moment przekształcenia spółki w spółkę} kapitałową.

W nawiązaniu do Biddle i in. (2009) oszacowano efektywność inwestycji jako odchyle-nie od spodziewanych wydatków inwestycyjnych spółki w danym roku. Poziom spodziewa-nych wydatków inwestycyjspodziewa-nych obliczono w oparciu o poniższy wzór:

, 0 1 , 1 ,

i t i t i t

Investment = β + βSalesGrowth − + ε (2)

gdzie: Investment to wydatki na nabycie rzeczowych aktywów trwałych i wartości niemate-rialnych i prawnych w stosunku do aktywów całkowitych na początek okresu; SalesGrowth to wzrost przychodów ze sprzedaży w poprzednim okresie. Parametry powyższego mo-delu oszacowano oddzielnie dla każdego sektora w danym roku. Efektywność inwesty-cji (InvEff) oszacowano jako różnicę pomiędzy faktycznymi wydatkami inwestycyjnymi w danym roku a spodziewanymi wydatkami wynikającymi z przedstawionego modelu.

, , ( 0 1 , 1)

i t i t i t

InvEff =Investment − a +a SalesGrowth − (3)

1 _{QTobin = (rynkowa kapitalizacja spółki + księgowa wartość aktywów ogółem – księgowa wartość kapitału}

własnego)/księgowa wartość aktywów ogółem.

2 _{Z = 1,2 × (kapitał pracujący/aktywa) + 1,4 × (zysk zatrzymany/aktywa) + 3,3 × (EBIT/aktywa) + 0,6 ×}

(war-tość rynkowa przedsiębiorstwa/księgowa war(war-tość zadłużenia) + 0,999 × (przychody ze sprzedaży/aktywa).

3 _{Opercycle = OSN + OUZ, gdzie OSN = (należność × 360)/przychody netto ze sprzedaży; OUZ = (zapasy ×}

gdzie: a to parametry zmiennych oszacowane w ujęciu przekrojowym dla danego sektora. W ramach przeprowadzanego badania zmienną InvEff zaprezentowano jako wartość abso-lutną przemnożoną przez –1

(

)

Jak już wcześniej wskazywano, nie ma powszechnie akceptowanej miary, która pozwa-lałaby w dokładny sposób oszacować jakość sprawozdań finansowych. W literaturze przed-miotu podejmowane są próby oszacowania wielkości, na które menedżer potencjalnie może wpływać w celu uzyskania określonego wyniku działalności spółki.

Przy wyznaczaniu jakości sprawozdania finansowego posłużono się miernikiem opar-tym na badaniach Jones (1991), w których szacowano uznaniowe rozliczenia międzyokre-sowe (discretionary accruals). Nie należy jednak w tym przypadku rozumieć rozliczeń międzyokresowych jako odrębnej pozycji faktycznie prezentowanej w bilansie spółki. Uznaniowe rozliczenia międzyokresowe, w rozumieniu przeprowadzanego badania, trakto-wane są jako zwiększenie lub zmniejszenie wartości aktywów i pasywów spółki wynikają-ce z kształtowania jej wyniku finansowego.

Objęte analizą wartości aktywów i pasywów, w modelach analizy bilansu, ustalane są zazwyczaj jako zmiana wartości aktywów obrotowych pomniejszona o wartość amortyza-cji, zmianę wartości środków pieniężnych oraz zmianę wartości zobowiązań krótkotermi-nowych, z wyłączeniem kredytów i pożyczek (Dechow i in. 1995):

TACC= ∆ACT− ∆CHE− ∆LCT DP− (4)

gdzie:

ΔACT – zmiana wartości aktywów obrotowych,

ΔCHE – zmiana wartości środków pieniężnych i ich ekwiwalentów,

ΔLCT – zmiana wartości zobowiązań krótkoterminowych, z wyłączeniem kredytów i pożyczek,

DP – amortyzacja.

W oparciu o literaturę przedmiotu, w celu oszacowania uznaniowych rozliczeń między-okresowych, wykorzystano zmodyfikowany model Jones (Dechow i in. 1995). Model osza-cowano przy wykorzystaniu regresji liniowej, przy zastosowaniu metody najmniejszych kwadratów. Model ten przedstawia się następująco:

, , , , 0 1 2 , 1 , 1 , 1 , 1 ( ) 1 ( ) i t i t i t i t it i t i t i t i t

TACC Sales AR PPE

TA − AT − AT − AT −

∆ − ∆

= β + β + β + ε (5)

gdzie:

AT – wartość aktywów całkowitych spółki,

ΔSales – zmiana przychodów ze sprzedaży spółki w danym roku, ΔAR – zmiana wartości należności spółki w danym roku,

Zgodnie z podejściem Dechow i in. (1995) parametry zmodyfikowanego modelu Jones oszacowano dla spółek danego sektora. Wartości uznaniowych rozliczeń międzyokreso-wych (DA) obliczono jako nadwyżkę objętych analizą aktywów i pasywów (TACC) danej spółki ponad zmianę tych aktywów i pasywów wynikającą z równania regresji (5) oszaco-wanego dla sektora.

, , , , 1 2 , 1 , 1 , 1 , 1 ( ) 1 ( ) i t i t i t i t it o i t i t i t i t

TACC Sales AR PPE

DA b b b TA − TA − TA − TA −  ∆ − ∆  = − + +      (6)

gdzie: b to parametry zmiennych oszacowane w ujęciu przekrojowym dla danego sektora. Zmienna FRQ_DA użyta w modelu będzie odzwierciedlać wartość absolutną zmiennej

DA przemnożoną przez –1

(

)

2. wyniki badań empirycznych

W pierwszej kolejności określono statystyki opisowe zmiennych uwzględnionych w mode-lach regresji oraz korelacje między zmiennymi. Następnie zbudowano modele regresji linio-wej przy wykorzystaniu klasycznej metody najmniejszych kwadratów oraz modele regresji panelowej z efektami stałymi dla wszystkich obserwacji.

tabela 1

Spółki objęte badaniem wg sektorów

NACE

Rev. 2 Sektor Liczba spółek

10 Produkcja artykułów spożywczych 15

20 Produkcja chemikaliów i wyrobów chemicznych 10

25 Produkcja metalowych wyrobów gotowych, z wyłączeniem maszyn i urządzeń 13 28 Produkcja maszyn i urządzeń, gdzie indziej niesklasyfikowana 12

41 Roboty budowlane związane ze wznoszeniem budynków 22

46 Handel hurtowy, z wyłączeniem handlu pojazdami samochodowymi i motocyklami 34 47 Handel detaliczny, z wyłączeniem handlu pojazdami samochodowymi i motocyklami 12 62 Działalność związana z oprogramowaniem, doradztwem w zakresie informatyki

i działalności powiązane 15

68 Działalność związana z obsługą rynku nieruchomości 11

70 Działalność firm centralnych (head offices); doradztwo związane z zarządzaniem 23

Razem 167

tabela 2

Statystyki opisowe próby badawczej

Średnia Mediana Odchylenie_standardowe Pxercentyl _5% Percentyl _95% Min Max N (A) Zmienne ilościowe

InvEff –0,048 –0,028 0,077 –0,149 –0,003 –1,070 0,000 943 FRQ_DA –0,089 –0,054 0,135 –0,270 –0,004 –2,159 0,000 889 STDebt 0,509 0,516 0,271 0,083 0,969 0,008 1,000 423 LnSales 12,386 12,234 1,701 9,761 15,311 2,303 17,025 1034 Tang 0,263 0,246 0,207 0,005 0,635 0,000 0,942 1022 LnAge 2,956 2,890 0,843 1,609 4,234 0,000 4,984 1299 StdCF (mln zł) 35,715 9,873 90,141 0,530 131,048 0,005 0,947 873 StdSales (mln zł) 169,176 43,179 431,032 2,650 843,978 0,369 4,677 903 QTobin 1,213 1,007 0,756 0,598 2,397 0,300 7,889 911 Z 2,618 2,161 2,296 0,350 6,521 –12,297 20,786 911 CFO_ATA 0,046 0,045 0,104 –0,122 0,193 –0,627 0,665 968 Oprecycle 360 131 3 851 54 730 6 4531 921 (B) Zmienne binarne 0 1 Loss 793 76,69% 241 23,31%

Źródło: opracowanie własne.

Analiza korelacji wskazuje na istnienie istotnej zależności pomiędzy zmienną przyję-tą jako miara jakości sprawozdania finansowego (FRQ_DA) a efektywnością inwestycji (InvEff). Pomiędzy tymi zmiennymi występuje umiarkowana dodatnia korelacja, co wska-zuje, że wyższej jakości sprawozdania finansowego spółki towarzyszy wyższa efektyw-ność inwestycji. Nie zaobserwowano natomiast istotnej korelacji pomiędzy strukturą zapa-dalności długu (STDebt) a efektywnością inwestycji (InvEff).

Z przeprowadzonej analizy korelacji wynika, że zmiennymi istotnie skorelowanymi są zmienne LnSales, StdCF, StdSales. Pomiędzy tymi zmiennymi występuje silna dodatnia korelacja. W związku z tym, w celu uniknięcia współliniowości w budowanych modelach regresji, postanowiono wykorzystać jedynie zmienną LnSales, która przyjęta została jako miara reprezentująca wielkość przedsiębiorstwa. Dodatkowo stwierdzono istotnie silną za-leżność pomiędzy zmienną QTobina i zmienną Z. W związku z tym, w dalszej części ba-dania wykorzystano w budowanych modelach regresji zmienną QTobina, która we współ-czesnych badaniach ekonomicznych jest powszechnie stosowana jako miara wartości spółki dla akcjonariuszy (Waśniewski 2011).

Analiza wyników oszacowań modeli regresji potwierdza istnienie istotnej zależności pomiędzy jakością sprawozdania finansowego (FRQ_DA) a efektywnością inwestycji

(In-vEff). Można w związku z tym stwierdzić, że im większa jakość sprawozdania

finansowe-go danej spółki, czyli im wyższa wartość zmiennej FRQ_DA, tym większa efektywność inwestycji (InvEff).

tabela 3

Analiza korelacji zmiennych wykorzystywanych w badaniu cz. 1

InvEff FRQ_DA STDebt LnSales Tang LnAge StdCF

InvEff 1,000 0,366*** 0,067 0,027 –0,152** 0,095 0,016 FRQ_DA 1,000 –0,008 –0,015 0,145** 0,028 0,059 STDebt 1,000 0,091 –0,187*** –0,037 –0,287*** LnSales 1,000 –0,083 –0,091 0,450*** Tang 1,000 0,110* 0,189*** LnAge 1,000 –0,202*** StdCF 1,000

* – istotność na poziomie 10%; ** – istotność na poziomie 5%; *** – istotność na poziomie 1%.

Źródło: opracowanie własne.

tabela 4

Analiza korelacji zmiennych wykorzystywanych w badaniu cz. 2

StdSales QTobin Z Loss CFO_ATA Opercycle

InvEff –0,019 –0,138** –0,047 0,077 0,082 0,071 FRQ_DA 0,059 –0,162*** –0,116* 0,079 0,181*** –0,025 STDebt –0,099 0,057 0,154** 0,074 –0,051 0,011 LnSales 0,613*** 0,242*** 0,290*** –0,275*** 0,157** –0,218*** Tang 0,092 –0,071 –0,265*** 0,125** 0,119* –0,108* LnAge –0,148** –0,003 –0,121** 0,130** 0,052 0,004 StdCF 0,754*** –0,013 –0,035 –0,114* 0,098 0,015 StdSales 1,000 0,139** 0,122** –0,127** 0,167*** –0,063 QTobin 1,000 0,665*** –0,148** 0,280*** –0,049 Z 1,000 –0,407*** 0,251*** –0,177*** Loss 1,000 –0,153** 0,170*** CFO_ATA 1,000 –0,039 Opercycle 1,000

* – istotność na poziomie 10%, ** – istotność na poziomie 5%, *** – istotność na poziomie 1%.

Źródło: opracowanie własne.

Dodatkowo w ramach przeprowadzonej analizy we wszystkich modelach wskazano na istnienie istotnej zależności pomiędzy udziałem kapitału obcego krótkoterminowego w ka-pitałach obcych ogółem (STDebt) a efektywnością inwestycji (InvEff). Im większe wyko-rzystanie kapitału obcego krótkoterminowego w strukturze kapitału, czyli im większa war-tość zmiennej STDebt, tym większa efektywność realizowanych inwestycji (InvEff).

Rezultaty przeprowadzonych badań są zgodne z wynikami Biddle i in. (2009), Chen i in. (2011) oraz Gomariz i Ballesta (2014).

Biorąc pod uwagę zmienne kontrolne, w większości modeli (prócz modelu 5), udział rzeczowych aktywów trwałych w aktywach całkowitych na początek okresu (Tang) miał istotnie negatywny wpływ na efektywność inwestycji (InvEff), co oznacza, że im większy udział rzeczowych aktywów trwałych w aktywach spółki tym mniejsza efektywność re-alizowanych inwestycji. W zależności od skonstruowanych modeli można zaobserwować istotność następujących zmiennych: logarytm z przychodów ze sprzedaży (LnSales) – mo-del 1, 2, 3; logarytm z liczby lat od momentu przekształcenia spółki w spółkę kapitałową (LnAge) – model 1; wskaźnik Q-Tobina (QTobin) – model 2, 3; zmienna binarna przyjmu-jąca wartość 1 w roku, w którym spółka osiągnęła ujemny wynik finansowy netto (Loss) – model 1, 4; relacja operacyjnego przepływu pieniężnego spółki w danym roku w stosunku do średniej wartości jej aktywów z początku i końca okresu – model 1, 2, 3, 5.

tabela 5

Wyniki estymacji modeli panelowych, w których zmienną objaśnianą jest InvEff

Modele panelowe Y = InvEff_{(1) (2) (3) (4) (5) (6)}

const –0,084***_(0,026) –0,111*** –0,096** –0,073 –0,062 –0,057 (0,047) (0,047) (0,115) (0,191) (0,188) FRQ_DA 0,039*_(0,023) × 0,290*** 0,047* × 0,325*** × (0,062) (0,026) × (0,066) STDebt ×_× 0,046***_(0,017) 0,048***_(0,017) ×_× 0,048*_(0,026) 0,050**_(0,025) LnSales 0,004**_(0,002) 0,005*_(0,003) 0,006*_(0,003) 0,005_(0,006) –0,001_(0,013) 0,006_(0,013) Tang –0,051***_(0,014) –0,080***_(0,022) –0,086***_(0,022) –0,113**_(0,044) –0,112_(0,068) –0,126*_(0,069) LnAge 0,009**_(0,004) 0,009_(0,006) 0,006_(0,007) –0,001_(0,029) 0,019_(0,039) –0,004_(0,039) QTobin –0,005_(0,004) –0,013**_(0,006) –0,012*_(0,006) 0,001_(0,006) –0,013_(0,010) –0,012_(0,010) Loss 0,017***_(0,006) 0,014_(0,011) 0,011_(0,011) 0,017**_(0,008) –0,001_(0,013) –0,001_(0,013) CFO_ATA 0,053*_(0,028) 0,169***_(0,055) 0,131*_(0,056) 0,038_0,032) 0,147*_(0,060 0,097_(0,061) Opercycle _{(0,596 × 10}–0,141 × 10–6–6_{) (7,105 × 10}–4,221 × 10–6–6_{) (7,019 × 10}–3,829 × 10–6–6_{) (0,667 × 10}–0,121 × 10–6–6_{) (9,548 × 10}–8,963 × 10–6–6_{) (9,370 × 10}–5,475 × 10–6–6₎ Dualna zmienna

czasowa TAK TAK TAK TAK TAK TAK

Dualna zmienna

sektorowa TAK TAK TAK NIE NIE NIE

N 750 321 300 758 321 300

R2 _{0,20 0,32 0,38 0,35 0,47 0,53}

* – istotność na poziomie 10%; ** – istotność na poziomie 5%; *** – istotność na poziomie 1%.

Modele 1–3 oszacowano przy wykorzystaniu regresji liniowej z zastosowaniem klasycznej metody najmniejszych kwadratów. Modele 4–6 oszacowano przy wykorzystaniu regresji panelowej z efektami stałymi.

W nawiasach podane są informacje o błędzie standardowym.

uwagi końcowe

Badanie przeprowadzone w niniejszym artykule miało na celu zbadanie zależności pomię-dzy jakością sprawozdań finansowych i strukturą zapadalności długu a efektywnością in-westycji spółek notowanych na GPW w Warszawie. Autor poszukiwał istotnej zależności pomiędzy wielkością uznaniowych rozliczeń międzyokresowych (FRQ_DA) i udziałem kapitału obcego krótkoterminowego w kapitałach obcych ogółem (STDebt) a efektywnością inwestycji (InvEff), oszacowaną jako różnica pomiędzy faktycznymi wydatkami inwesty-cyjnymi spółki w danym roku a spodziewanymi wydatkami (wynikającymi z przedsta-wionego modelu 2). Analiza regresji liniowej z wykorzystaniem klasycznej metody naj-mniejszych kwadratów oraz regresji panelowej z efektami stałymi została zrealizowana z wykorzystaniem podejścia prezentowanego w badaniach Gomariz i Ballesta (2014).

Wyniki przeprowadzonej analizy potwierdzają rezultaty dotychczasowych badań na rynkach zagranicznych (Gomariz, Ballesta 2014, Biddle i in. 2009, Chen i in. 2011). Zwięk-szenie jakości sprawozdania finansowego umożliwia ograniczenie negatywnych skutków asymetrii informacji, co powiązane jest z wyższą efektywnością realizowanych inwestycji w przedsiębiorstwie. Podobne zwiększenie wykorzystania w strukturze finansowania spół-ki kapitału obcego krótkoterminowego, prowadzi do ograniczenia negatywnych skutków asymetrii informacji. W związku z powyższym nie ma podstaw do odrzucenia głównych hipotez postawionych w ramach niniejszego artykułu.

Należy jednak pamiętać, że w ramach niniejszego artykułu przyjęto określone założe-nia, których modyfikacja może stanowić wartościowy kierunek dalszych badań. Jednym z kluczowych założeń jest przyjęta miara odzwierciedlająca jakość sprawozdania finanso-wego. W literaturze zagranicznej można spotkać szereg innych miar, które mogą zostać wy-korzystywane do mierzenia jakości sprawozdań finansowych (McNichols, Stubben 2008; Kasznik 1999; Dechow, Dichev 2002). Dodatkowo autor jedynie rozpatrzył efektywność realizowanych inwestycji przez polskie spółki, pozostawiając kontekst przeinwestowywa-nia lub niedoinwestowywaprzeinwestowywa-nia, do zgłębieprzeinwestowywa-nia w ramach dalszych badań. Zdaniem autora, otrzymane wyniki badań stanowią podstawę do dalszych dyskusji nad jakością sprawoz-dań finansowych, strukturą zapadalności długu oraz podejmowaniem decyzji finansowych w przedsiębiorstwie, zwłaszcza z punktu widzenia realizacji wartościowych projektów in-westycyjnych.

Literatura

Acocella N. (2002). Zasady polityki gospodarczej: wartości i metody analizy. Warszawa: Wydawnictwo Naukowe PWN.

Barnea A., Haugen R., Senbet L. (1980). A rationale for debt maturity structure and call provisions in the agency theoretic framework. Journal of Finance, 35 (5), 1223–1234.

Biddle G., Hilary G., Verdi R.S. (2009). How does financial reporting quality relate to investment efficiency?

Chen F., Hope O., Li Q., Wang X. (2011). Financial reporting quality and investment efficiency of private firms in emerging markets. The Accounting Review, 86 (4), 1255–1288.

Dechow P., Dichev I. (2002). The quality of accruals and earnings: the role of accrual estimation errors. The

Ac-counting Review, 77, 35–59.

Dechow P.M., Sloan R.G., Sweeney A.P. (1995). Detecting earnings management. The Accounting Review, 70 (2), 193–225.

Dechow P.M., Sloan R.G., Sweeney A.P. (1996). Causes and consequences of earnings manipulation: an analysis of firm subject to enforcement action by the SEC. Contemporary Accounting Research, 12 (1), 1–36.

Jensen M., Meckling W.H. (1976). Theory of the firm: managerial behavior, agency costs and ownership structure.

Journal of Financial Economics, 3 (3), 305–360.

Kasznik R. (1999). On the association between voluntary disclosure and earnings management. Journal of

Account-ing Research, 37 (1), 57–81.

Kubiak J. (2013). Zjawisko asymetrii informacji a struktura kapitału przedsiębiorstw w Polsce (s. 217–224). Po-znań: Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu.

Linck J.S., Netter J., Shu T. (2013). Can managers use discretionary accruals to ease financial constraints? Evidence from Discretionary Accruals Prior to Investment. The Accounting Review, 88 (6), 2117–2143.

McNichols M., Stubben S. (2008). Does earnings management affect firms investment decisions? The Ac-counting

Review, 83 (6), 1571–1603.

Myers S.C. (1977). Determinants of corporate borrowing. Journal of Financial Economics, 5 (2), 147–175. Ortiz-Molina H., Penas M.F. (2008). Lending to small businesses: the role of the loan maturity in addressing

infor-mation problems. Small Business Economics, 30 (4), 361–383.

Waśniewski K. (2011). Decyzje inwestycyjne współczesnej korporacji – dylematy racjonalności. Kraków: Oficyna Wydawnicza AFM.

Wójtowicz P. (2010). Wiarygodność sprawozdań finansowych wobec aktywnego kształtowania wyniku finansowego. Kraków: Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie.

Zawadzka D. (2009). Znaczenie zobowiązań krótkoterminowych w finansowaniu przedsiębiorstw w Polsce – anali-za porównawcanali-za według sekcji PKD. Zeszyty Naukowe SGGW w Warsanali-zawie, 76, 85–93.

FinanciaL RePoRting quaLity, deBt MatuRity and investMent eFFiciency in coMPanies Listed on tHe waRsaw stock excHange

abstract: The article investigates whether there is a relationship between financial reporting quality, matu-rity of debt and investment efficiency in companies listed on the Warsaw Stock Exchange. Panel regression was conducted including 167 companies in 2007–2014. The results indicate that it is a link between financial reporting quality, maturity of debt and investment efficiency.

Keywords: financial reporting quality, maturity of debt, investment efficiency

Cytowanie

Piasecki M. (2016). Jakość sprawozdań finansowych i struktura zapadalności długu a efektywność inwestycji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie. Finanse, Rynki Finansowe, Ubezpieczenia,

4 (82/2), 249–259. DOI: 10.18276/frfu.2016.4.82/2-20.